從數據戰略到數據價值的實現可以分為三個階段：數據戰略制定、數據用例制定以及數據實施策略。

一 數據戰略制定

數據可以通過數百萬種方式幫助企業，但從廣義上講，它們分為兩類：一類是使用數據來改善現有業務以及制定業務決策的方式。第二個是使用數據來賦能日常業務運營。在實踐中，大多數公司開始時都想改進他們的決策并從那里開始。但是，如果要使用數據，則必須始終從數據戰略開始。收集哪些數據以及如何分析這些數據將完全取決于希望實現的目標——因此需要在一開始就考慮到這一點。擁有數據戰略有助于整個過程更順利地運行，并讓所有人為未來的歷程做好準備。

創建數據戰略的技巧：

讓公司關鍵的參與者和決策者參與進來將幫助制定更好的整體數據戰略，在這個關鍵的早期階段獲得他們的支持意味著他們更有可能在以后充分利用所有這些數據。

請記住，與任何業務改進流程一樣，事情可能會在此過程中發生變化或演變。可能會發現數據指向想要探索的新問題或導致對現有數據戰略的修改。如果發生這種情況，只需重新審視數據戰略，依次重新評估以下各點。

數據戰略的六個組成部分，一個好的數據戰略應該回答以下關鍵問題：

1.需要解決什么業務問題

與其從數據本身開始，不如從公司目標開始要好得多。畢竟，為什么要費心收集那些不能幫助實現業務目標的數據呢？想想未來幾個月或幾年制定的戰略重點。定義想要實現的目標，然后思考需要回答的重大未解問題以實現該戰略。簡而言之，弄清楚需要通過數據實現什么。是否希望接觸更多客戶、更好地了解當前的客戶，或者確定提供服務的最佳地點？

2. 需要什么數據來回答問題

在這個大數據時代，從小處著眼更為重要。我最近與大型企業合作中，在領導小組會議上，他們的首席執行官去見他的數據團隊并告訴他們停止構建最大的數據庫，而是創建最小的數據庫來幫助公司回答他們最重要的問題。這是查看數據的好方法。

查看確定的每個問題，然后考慮想要或需要回答該問題的理想數據。一旦定義了理想的數據，請查看組織內部以查看已經擁有的數據。然后看看外面并確定可以訪問哪些數據。但請記住，只有知道需要什么數據，才能知道在哪里尋找它，以及如何收集它。

3. 如何分析這些數據

一旦清楚了信息需求和所需數據，就需要定義分析需求，即如何將這些數據轉化為有助于回答問題和實現業務目標的見解。

傳統的數據收集和分析是一回事——如銷售點交易、網站點擊等——但數據的大部分價值在于非結構化數據，如電子郵件對話、社交媒體帖子、視頻內容等。將這些混亂而復雜的數據與其他更傳統的數據（如交易）相結合，是很多價值所在，但必須制定分析計劃。

4. 如何報告和呈現見解

如果數據中的關鍵見解沒有以正確的方式呈現給正確的人以幫助做出決策，那么數據就毫無用處。充分利用數據可視化技術并努力以用戶友好的方式突出顯示關鍵信息，將有助于確保數據得到充分利用。

在這個階段記住目標受眾可能是最重要的事情。因此，在此步驟中，需要定義如何將見解傳達給信息消費者或決策者。需要考慮哪種格式最好，以及如何使見解盡可能直觀。還需要考慮是否需要交互性，即業務中的關鍵決策者是否需要訪問交互式自助服務報告和儀表板。

5. 需要什么軟件和硬件

在定義需要哪些數據、如何將其轉化為價值以及如何將其傳達給最終用戶之后，需要定義軟件和硬件要求。當前的數據存儲技術是否正確？是否應該輔之以云解決方案？目前擁有哪些分析和報告能力，需要獲得什么？

6.行動計劃是什么

確定了上述各種需求后，就可以制定行動計劃，將數據戰略變為現實。與任何行動計劃一樣，這將包括關鍵里程碑、參與者和責任。制定數據戰略后，第一步就是為組織中的人員制定數據業務用例——有效地說服他們使用數據的優點，并將收益與業務 KPI 聯系起來。重要的是，還應該確定公司內部的培訓和發展需求，并認識到可能需要外部幫助的地方。

我發現六步法是一種用于創建數據戰略的簡單直觀的方法，也是一種讓組織中的關鍵決策者參與進來的方法，希望對你也有幫助。

二 數據用例制定

良好的數據戰略要闡明公司的戰略目標，并確定如何使用數據來實現這些目標。在此過程中確定的數據使用稱為數據用例。換句話說，這些用例是關鍵數據項目或優先事項。

當公司制定數據戰略時，通常會確定三到五個數據用例——超過這個數量，數據戰略就有可能變得混亂和不切實際。

每家公司的數據用例都不同，這將由總體業務戰略驅動。一些示例包括：

?提高員工敬業度

?提高工作效率

?個性化客戶體驗

?優化價格

?降低成本

?運營指揮

無論確定了何種數據用例，本文以及隨附的數據用例模板將幫助充實用例，更詳細地定義數據項目，并構建一個全面的數據策略。在模板中，有11個部分。

1.與戰略目標掛鉤

因為數據應該始終以戰略方式使用，所以要將用例關聯到特定的組織目標。因此，如果我們以上面的第一個用例為例，提高員工敬業度可能與提升企業品牌的戰略目標相關聯。

2.目標和業務問題

在這里更詳細地定義與數據相關的目標，并確定需要回答的問題。繼續員工敬業度示例，本部分可能會這樣說：目標是超越大型年度員工調查，創建員工參與業務的近乎實時的畫面。這將幫助我們回答以下問題：

?員工在任何時候的敬業度如何？

?可以做些什么來提高員工敬業度？

?員工敬業度計劃有多成功——它們在多大程度上影響敬業度？

3.成功衡量標準（KPI）

在這里，定義此用例的成功情況，以及計劃如何衡量進展。因此，我們的示例可能涉及KPI，例如定期調查、員工凈推薦值、缺勤率和員工流動率。

4.用例所有者

誰將負責這個用例？如果沒有一個人負責讓它發生，它可能永遠不會完成。我們用例的所有者可能是人力資源經理。當然，他們需要與其他人合作，但人力資源經理是負責此用例的人。

5.數據客戶/用戶

數據客戶是將使用數據并從生成的見解中學習的人。在此示例中，我們的用例所有者顯然也是數據客戶/用戶，但其他客戶將包括整個企業的領導團隊和經理。

6.所需數據

在這里，可以深入了解此項目所需的數據。這可能包括結構化數據（例如數據庫和電子表格）、非結構化數據（例如社交媒體帖子）、內部數據和外部數據。為了數據多樣性的利益，將不同的數據集組合起來以創建盡可能豐富的圖景會更好。還需要確定是否已經擁有這些數據。如果沒有，可以自己收集數據還是從第三方獲取數據？

因此，在我們的員工敬業度示例中，我們可以通過使用內部調查并將我們的員工凈推薦值與外部行業基準交叉參考來結合內部和外部數據。我們還可以通過查看缺勤率以及來自員工訪談和調查的自由格式答案，將結構化數據和非結構化數據結合起來。我們已經掌握了其中一些數據（缺勤率），但我們需要建立一種方法來進行員工調查。

7.數據治理

此區域包含需要做的所有事情，以確保數據安全并確保數據得到適當使用。因此，數據治理包括數據質量、道德規范、隱私、所有權、訪問權和安全性。

員工敬業度用例：

?我們需要征得員工同意才能收集和使用調查數據。

?為了道德數據使用的利益——并確保更準確、誠實的結果——調查數據應該匿名。

?由于大部分數據是內部數據，因此無需擔心任何所有權或訪問權問題。

8、數據分析

這部分是關于將數據轉化為洞察力的。有很多分析選項，包括文本分析、圖像分析、預測分析和許多類型的業務分析。

員工敬業度用例的一種有用方法是文本分析。這可用于分析調查回復、訪談，甚至電子郵件或社交媒體帖子，以深入了解員工對公司的真實感受。

9.技術

任何數據項目都會對技術和基礎設施產生影響。因此，在這里需要確定這些影響、挑戰和要求是什么。用非常簡單的術語來說，這意味著確定需要哪些軟件和硬件來收集和存儲數據、分析數據并傳達結果。

例如，我們可能需要投資一個第三方員工敬業度平臺，該平臺可以對員工進行定期的調查。

10.技能和能力

需要什么技能才能做到這一點？內部是否具備這些數據技能和能力？如果沒有，是否需要培訓員工或將某些任務外包？也許需要內部和外部技能的混合。

繼續我們非常簡單的用例示例，假設建議的調查軟件平臺帶有一個易于使用的分析元素，允許業務人員在沒有任何數據科學知識的情況下對數據進行切片和切塊。因此，招聘新技能的需求很小。然而，人們需要接受如何使用該系統的培訓。

11.實施和變更管理

每個項目都會遇到實施挑戰，因此這是識別潛在障礙和實施要求并確保計劃不會偏離軌道的機會。

例如，在實施新員工調查時，需要對員工和領導層進行培訓，讓他們了解實施該系統的原因以及它將如何使企業受益。

重復此過程并為確定的每個單獨用例填寫模板。這將幫助評估用例并確定其優先級，以便知道以何種順序處理哪些用例。

然后，一旦填寫了每個單獨的數據用例，并按照緊急程度對它們進行了優先排序，就可以開始完成數據戰略。

三 數據實施策略

一旦知道要如何使用數據，下一個任務就是將其轉化為實施策略。實施策略模板能夠提供數據優先級，并確定交叉問題、主題、要求和目標等，所有這些都在一個方便的模板上體現。

數據用例位于最頂部。因此，可以在此處確定三大數據優先級。包括一些“速贏”數據用途也很有幫助——以相對快速、簡單的方式展示數據的價值。

數據策略模板的其余部分被分解為不同的要求，例如需要哪些數據以及您需要投資哪些技術，其想法是確定跨領域的挑戰、主題、活動、問題和這些領域的目標。

我們這樣做是因為，即使每個用例/數據項目不同，它們最終也會遇到一些相同的問題或挑戰。在這個早期階段確定這些共同主題將幫助找到克服它們的最有效和高效的方法。

因此，在完成模板的其余部分后，關注以下區域：

1.數據要求

數據需求可歸結為：將需要哪些數據以及將如何獲取這些數據？因此，這是識別與數據本身相關的共同主題、問題等的機會。

例如，數據用例的一個共同主題可能是數據多樣性。換句話說，將如何組合不同的數據（內部和外部、結構化和非結構化等）以確保獲得盡可能豐富和完整的畫面？

2.數據治理

這是一個廣泛的領域，包括數據質量、倫理、隱私、所有權、訪問和安全。因此，必然存在跨領域的數據治理問題，這些問題在不同的用例中是相同的。

例如，可能在這里發現數據質量是整個組織的一個問題。這意味著，在實現數據優先級之前，需要確保所有數據都是準確、完整和最新的——并實施各種流程以確保其保持這種狀態。

3.技術

在這里，想要確定與技術和基礎設施相關的交叉問題。或者，換句話說，用例中是否存在任何通用的軟件和硬件要求？

為此，它有助于考慮四個數據層并確定每個階段所需的技術：

?收集數據

?存儲數據

?處理（分析）數據

?從數據中傳達見解

例如，假設兩個用例最終將涉及在客戶過程的各個階段調查客戶（例如，在他們聯系客戶服務團隊之后，或者在他們購買產品之后）。是否已經擁有可以捕獲、存儲和查詢該數據以收集見解的軟件？還是必須投資新軟件？

4.技能和能力

缺乏數據知識和技能是許多公司的一個大問題，因此可能有許多跨領域的要求，包括縮小技能差距、培訓員工、在適當的情況下外包數據收集和分析，或與數據公司合作。

如果計劃與外部數據提供商合作，一個交叉問題可能是需要將該外部合作伙伴的知識傳回公司。

5.實施/變更管理

在這里，應該確定可能會阻止將計劃變為現實的任何常見問題或要求。在實施數據戰略時，需要克服哪些挑戰？

例如，假設整個企業的數據購買存在根本性問題。因此，一項交叉要求可能是投入時間對管理人員和團隊進行數據教育，讓他們了解數據的好處，以及根據數據而不是假設做出決策的必要性。

這個單頁數據策略模板將幫助確定數據優先級中的共同主題和問題，并作為實現的目標的可視化展現。然而，一頁紙永遠不會詳細到足以探索數據源、數據治理、技術、技能和實施的所有問題、挑戰和要求。為此，具體實施中還需要更詳細的敘述性文檔。

四 綜述

隨著世界變得越來越智能，數據成為競爭優勢的關鍵，這意味著公司的競爭能力將越來越多地取決于其利用數據、應用分析和實施新技術的能力。事實上，根據國際分析研究所的數據，使用數據的企業將比不使用數據的競爭對手獲得 4300 億美元的生產力收益。

因此，很明顯，數據現在是一項關鍵的商業資產，它正在徹底改變大多數部門和行業的公司運營方式。實際上，每個企業，無論規模大小，現在都需要成為數據驅動的企業。

審核編輯 ：李倩